Zigzag指标和神经网络 - 页 9

新评论
 
Piligrimm:
整个程序是用Matlab编写的，计算预测的部分是用Matlab编译的，并作为一个可执行程序运行，该程序在每分钟一个新条形的到来时收集输入数据。进行网络训练和阈值系数优化的部分直接在Matlab中工作，每5分钟在一个计时器上运行，因为编译的带有网络训练的ehem-file不工作，我不明白原因，编译过程中没有错误。


谢谢你，我将在Matlab中处理网络建设并与MT4绑定。如果你有自己设计的东西，请发到 loknar@list.ru 。我将非常感激。

 
Mathemat:
Piligrimm写道(a)： 现在 ，我的系统每5分钟重新训练一次，每分钟在新条形图到来时重新计算预测，如果我有多一个数量级的内存和性能，重新训练将在每一步与计算一起进行，预测的准确性将大大改善

每5分钟重新训练，每分钟重新计算预测--这是不是太频繁了？而你希望进一步增加重新训练（和计算）的频率，以提高预测的准确性（在每一个刻度上，还是什么？），我觉得很奇怪。我怀疑一个真正工作的系统会从与传入数据频率一致 的再训练 中受益。
。

P.S. 而pf>25不仅仅是一个梦想，而是不可能的事情......虽然盈利的交易与不盈利的交易的比例为5:1，TP/SL=5，但这是相当可行的。


怀疑的权利是你的权利。我只是在表达我对市场的看法以及如何实施我的战略。如果你在一个相对平静的市场工作，那么每5分钟重新训练一次就很足够了。例如，我在一天内训练了该系统，然后我在没有重新训练的情况下再次连接到市场，并使用旧的设置进行预测。 虽然测试样本的误差从14%到28%，但该系统做出了令人满意的预测，尽管不能保证感兴趣的时期的预测会出现错误。

通过努力在每次计算前做再训练，我试图解决系统在所有条件下的稳定性和准确性，新闻发布，等等。虽然这似乎是多余的，但从我的市场研究经验来看，这是一个高效和不沉的系统的前提条件，它在所有条件下总是领先一步，这也是我打算实施的。

 
Loknar:
Piligrimm:
整个程序是用Matlab编写的，计算预测的部分是用Matlab编译的，并作为一个可执行程序运行，该程序在新条形图通过后每分钟收集一次输入数据。执行网络训练和阈值系数优化的部分直接在Matlab中工作，并且每5分钟在一个计时器上运行，因为带有网络训练的编译的ehem-file不工作，我不明白原因，编译没有错误。


谢谢，我将研究在matlab中建立网络并链接到MT4。如果你有自己设计的东西，请发到 loknar@list.ru 。我将非常感激。

给你一个例子，一个简单的网络，但它有效地工作，我使用其中的一个。

附加的文件：
maghydcsrizneuralbnetworkdtoolboxq.zip  70 kb
 
Piligrimm:

给你举个例子，一个简单但有效的网络，我用的是其中一个。



谢谢你提供的信息

如果你需要Matlab的任何设备（我正在下载7.5和一堆插件）或所有用于神经网络 的关联软件--我愿意合作。

 

我可以为任何想要的人分享"幸福公式"!

GP1[iq+1] = 0.3*((-0.610885 *GP1[iq-1]*GP1[iq-1]*GP1[iq-2]-0.0795671 *GP1[iq]*GP1[iq-1]*GP1[iq-1]*GP1[iq-1]*GP1[iq-2]+1.19161 *GP1[iq-1]*GP1[iq-1]-0.422269 
                   *GP1[iq])/(GP1[iq-1]*GP1[iq-1]-0.505662 *GP1[iq]*GP1[iq-1]*GP1[iq-1]-0.415455 *GP1[iq-2]*GP1[iq-2]))+0.7*((-0.610885 *GP1[iq-2]*GP1[iq-2]*GP1[iq-3]
                   -0.0795671*GP1[iq-1]*GP1[iq-2]*GP1[iq-2]*GP1[iq-2]*GP1[iq-3]+1.19161 *GP1[iq-2]*GP1[iq-2]-0.422269 *GP1[iq-1])/(GP1[iq-2]*GP1[iq-2]-0.505662 *GP1[iq-1]
                   *GP1[iq-2]*GP1[iq-2]-0.415455 *GP1[iq-3]*GP1[iq-3]));
 
GP1 - это или точки перелома в Зиг-Заге, или в любой другой последовательности, которую Вы хотите прогнозировать, например, МА, или просто цены валют, 
хотя я в этих вариантах не проверял, но думаю будет работать.
В расчетах используются переменные сформированные в обратном порядке по отношению к стандартной индексации в МТ4, если хотите применять формулу для
прямой индексации МТ4,то iq-..., замените на iq+... .
Прогноз не 100%, но лучше, чем ничего, использовать в индикаторах можно.

为了对你的任务进行个别调整，你也可以发挥系数：0.3*（和0.7*（，总共应该是一个。

 
Piligrimm:

对于任何有兴趣的人，我可以分享"幸福的公式"!

GD[iq]
一些随机数的野生多项式（如果GD[iq]是一个引号）。如果通过某种规律来重新计算常数系数-0.610885等，也许会有意义。请你告诉我这个可怕的公式是通过什么理论得到的 :-)。还是传说中的NS的智慧？
 
Piligrimm:

对于任何有兴趣的人，我可以分享"幸福的公式"!

为了对你的任务进行个别调整，你也可以发挥系数：0.3*（和0.7*（，总共应该是一个。


那么，什么是iq？如果我们谈论的是 "之 "字形，它是否只是其指数的一个序列？即iq-1将是Zigzag的前一个突破点？
 
Loknar:
Piligrimm:

我可以为任何想要的人分享"幸福公式"!

为了对你的任务进行个别调整，你也可以发挥系数的作用：0.3*( 和0.7*( ，总和应该是1。


那么什么是智商？如果我们谈论的是 "之 "字形，那么它只是其指数的一个序列吗？I.e. iq-1是之字形的前一个突破点？

是的，正是如此，iq-1是前面的观点。我为我的指标开发了这个多项式，其图表如上所示。 我没有检查它，但我希望它可能对某人有用。

如果我们谈论用于建立这个多项式的算法，它是基于找到连接不同论据的规律，在这种情况下，相对于要预测的趋势来说，是滞后的论据。

图中显示了这个多项式对我的作用：蓝线是拐点上的趋势，粉线是通过多项式的趋势。输入的数据是归一化的，因此有这个比例尺。

 
Piligrimm писал (а): 对于任何有兴趣的人，我可以分享"幸福的公式"!
GP1[iq+1] =
你在这里，你的驯鹿...
 
Prival:
Piligrimm:

对于任何有兴趣的人，我可以分享"快乐公式"!

GD[iq]
一些随机数的野生多项式（如果GD[iq]是一个引号）。 如果通过一些法律来重新计算常数系数-0.610885等，也许会有意义。请你告诉我这个可怕的公式是通过什么理论得到的 :-)。还是传说中的NS的智慧？

我之前展示的多项式并不那么狂野，例如我可以展示一个真正狂野的多项式，我在计算中使用了这个多项式。

它是用Matlab写的，我删除了最后两行，以防止它进入流通领域。

GR(i)=0.25*(0.4*(0.55*(0.6*(0.09*(-0.00192393 +GM(i+3)*(-0.1725) +GM(i+6)*(1.17444))+0. 28*(-0.00130286 +(-0.000123992 +GM(i+5)*(-0.821849) ...

+GM(i+6)*(1.82199))*(0.302188)+(-0.00145804 +GM(i+4)*(-0.153087) +GM(i+6)*(1.15453))*(0. 699112))+0.09*(-0.000577229 +GM(i+3)*(-0.162435) ...

+GM(i+6)*(1.16299))+0.09*((0.832328 *GM(i+4)*GM(i+6)-0.119317 *GM(i+6)*GM(i+5)-0. 100951 *GM(i+5)-0.0192996 *GM(i+2))/（GM(i+4)-0.361992...

*GM(i+5)-0.0452508 *GM(i+6)))+0.09*((1.00001 *GM(i+6)*GM(i+6)*GM(i+6)*GM(i+6)-1. 03818 *GM(i+6)*GM(i+6))/(GM(i+6)*GM(i+6)-1.03817...

*GM(i+6)))+0.09*((1.07271 *GM(i+6)-0.512733 *GM(i+6)+0.684408 *GM(i+4)-0.485238 *GM(i+4)*GM(i+4))/(1-0.240858 *GM(i+5)*GM(i+6))+0.09。

*((1.00137*GM(i+6)*GM(i+6)-0.000473002 *GM(i+4)*GM(i+6)-0.998682 *GM(i+6)*GM(i+6)+6.

*GM(i+6)))+0.09*(0.730651 *GM(i+4)*GM(i+4)*GM(i+6)/(GM(i+4)*GM(i+4)-0.269349 *GM(i+5)*GM(i+5)))+0. 09*((0.717833 *GM(i+6)*GM(i+4)*GM(i+6)...

-0.11191*GM(i+4)*GM(i+4)*GM(i+4))/(GM(i+6)*GM(i+4)-0.471068 *GM(i+6)*GM(i+5)+0.209781 *GM(i+6)*GM(i+6)-0.132089 *GM(i+3)*GM(i+6)-0.000702832 ....

*GM(i+5))))+0.4*(0.2*(0.6*(-0.00130286 +(-0.000123992 +GM(i+5)*(-0.821849) +GM(i+6)*(1. 82199))*(0.302188) +(-0.00145804 +GM(i+4) ...

*(-0.153087) +GM(i+6)*(1.15453))*(0.699112))+0.4*((0.717833 *GM(i+6)*GM(i+4)*GM(i+6)-0. 11191 *GM(i+4)*GM(i+4))/(GM(i+6)*GM(i+4)...

-0.471068 *GM(i+6)*GM(i+5)+0.209781 *GM(i+6)*GM(i+6)-0.132089 *GM(i+3)*GM(i+6)-0. 000702832 *GM(i+5))))+0.25*（-0.000577229+GM(i+3)*（-0.162435）...

+GM(i+6)*(1.16299))+0.35*((1.00001 *GM(i+6)*GM(i+6)*GM(i+6)-1.03818 *GM(i+6)*GM(i+6))/(GM(i+6)*GM(i+6)*GM(i+6)-1. 03817 *GM(i+6))

+0.2*((1.07271 *GM(i+6)-0.512733 *GM(i+6)+0.684408 *GM(i+4)-0.485238 *GM(i+4)*GM(i+4))/(1-0. 240858 *GM(i+5)*GM(i+6)))))+0.45*(0.4*( (1.73835.

*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0.0334794 *GM(i+3)*GM(i+4)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0. 919558 *GM(i+4)...

*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0.376192 *GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0.345737)/(GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0. 0355159...

*GM(i+3)-0.901092 *GM(i+4)))+0.6*((-2.01988 *GM(i+3)*GM(i+3)*GM(i+4)*GM(i+6)+2.90062 *GM(i+3)*GM(i+4)+5.31466 *GM(i+3)*GM(i+3)...

*GM(i+5)-3.01304 *GM(i+3)*GM(i+3)-4.34954 *GM(i+3)*GM(i+5))/(GM(i+3)*GM(i+4)-2. 16719))))+0.4*(0.33*((1.00914 *GM(i+4)*GM(i+5)...

*GM(i+5)+0.977507 *GM(i+4)*GM(i+4)*GM(i+5)-1.9751 *GM(i+4)*GM(i+3)*GM(i+5))/(GM(i+4)*GM(i+5)-0. 988447*GM(i+3)*GM(i+3))+0.67*((2.51015 ...

*GM(i+6)-0.979174 *GM(i+5)*GM(i+6)-0.642762)/(1-0.111777 *GM(i+5)*GM(i+5)*GM(i+4))))+0. 4*(0.9*(0.3*((1.00914 *GM(i+4)*GM(i+5)*GM(i+5)...

+0.977507 *GM(i+4)*GM(i+4)*GM(i+5)-1.9751 *GM(i+4)*GM(i+3)*GM(i+5))/(GM(i+4)*GM(i+5)-0. 988447*GM(i+3)*GM(i+3))+0.7*((0.0988538 *GM(i+4)...

*GM(i+6)-0.0240242 *GM(i+4)*GM(i+5)*GM(i+5)+0.0291295 *GM(i+4)*GM(i+4)+0. 904081 *GM(i+4)-0.951504 *GM(i+3)）/（GM(i+4)-0.943467...

*GM(i+3))))+0.1*((2.01304 *GM(i+5)*GM(i+5)*GM(i+5)-2.02312 *GM(i+4)*GM(i+5)*GM(i+5)+0. 0156151 *GM(i+5)*GM(i+5)*GM(i+5)...

/(GM(i+5)*GM(i+5)*GM(i+5)-1.01005 *GM(i+4)*GM(i+5)-1.14951e-005 *GM(i+5)*GM(i+5)+0. 0155924 *GM(i+5)*GM(i+5)-7. 72653e-007 *GM(i+5)-7.

*GM(i+5)*GM(i+5))))+1.8*(0.3*((-0.610885 *GM(i+4)*GM(i+4)*GM(i+5)-0.0795671 *GM(i+3)*GM(i+4)*GM(i+4)*GM(i+5)+1. 19161 *GM(i+4)...

*GM(i+4)-0.422269 *GM(i+3))/(GM(i+4)*GM(i+4)-0.505662 *GM(i+3)*GM(i+4)*GM(i+4)-0.415455 *GM(i+5)*GM(i+5))+0.7*((-0.610885 *GM(i+5)*GM(i+5) ...

*GM(i+6)-0.0795671*GM(i+4)*GM(i+5)*GM(i+5)*GM(i+6)+1.19161 *GM(i+5)*GM(i+5)-0. 422269 *GM(i+4))/(GM(i+5)*GM(i+5)-0.505662 *GM(i+4)...

*GM(i+5)*GM(i+5)-0.415455 *GM(i+6)*GM(i+6))))+0.3*((0.325815 *GM(i+5)*GM(i+5)*GM(i+5)-0. 322486 *GM(i+4)*GM(i+4)+0.00437944 *GM(i+5) ) ...

1234567891011
新评论